AI का दुरुपयोग और सीखने की हानि

यह अंग्रेज़ी पेज का ऑटोमैटिक अनुवाद है और इसकी अभी तक किसी मूल भाषी ने समीक्षा नहीं की है।

AI का दुरुपयोग और सीखने की हानि — छात्रों के संज्ञानात्मक काम को जनरेटिव-AI पर सौंपने और स्थायी सीखने में कमी के बीच कारण-प्रभाव संबंध, तब भी जब तत्काल कार्य प्रदर्शन बढ़ता है। इसकी परिभाषित विशेषता प्रदर्शन–सीखने की खाइ है: AI सहायता-युक्त प्रदर्शन को फुलाता है जबकि बिना-सहायता के, बंद-पुस्तक और याद-रखने से जुड़े परिणामों को बिगाड़ता है।

विचार करने योग्य प्रश्न

एक छात्र इस क्षण बेहतर प्रदर्शन कर सकता है लेकिन समय के साथ कम सीख सकता है — AI सहायता-प्राप्त प्रदर्शन बढ़ा सकता है जबकि बाद की, बिना-सहायता की उपलब्धि को कम कर सकता है। आपने कब महसूस किया कि आपने कुछ 'सीख' लिया था जो उपकरण हटते ही गायब हो गया?
केंद्रीय निष्कर्ष प्रदर्शन–सीखने की खाइ है: जिन छात्रों ने बिना सुरक्षा-उपाय वाले AI शिक्षक का उपयोग किया, उन्होंने अभ्यास में 48% अधिक अंक पाए लेकिन बंद-पुस्तक परीक्षाओं में 17% कम। इससे AI की मदद से अर्जित उच्च ग्रेड की आपकी व्याख्या कैसे बदलती है?
दुरुपयोग का मतलब प्रतिस्थापन है — मसौदा तैयार करना, स्मरण करना या विश्लेषण करना जो स्थायी समझ बनाता है, उसका काम AI पर सौंपना — न कि AI को पूरक के रूप में प्रयोग करना। AI से सीखने में मदद और AI का आपके लिए सीखने के बीच रेखा आप कहाँ खींचेंगे?
हानिग्रस्त समूह के छात्रों ने महसूस नहीं किया कि उन्होंने कम सीखा। यदि शिक्षार्थी यह नहीं बता सकते कि उन्हें नुकसान हो रहा है, तो छात्रों की स्व-रिपोर्ट पर भरोसा करने के बजाय एक शिक्षक को किन संकेतों पर ध्यान देना चाहिए?
हानि मूल्यांकन के प्रकार के अनुसार चयनित है: यह निरीक्षण-सहित, बंद-पुस्तक उपायों पर दिखती है लेकिन तब छुप सकती है जब पाठ्यक्रम-कार्य AI-सहायता प्राप्त और स्वतंत्र काम में अंतर नहीं कर सकता। किस प्रकार का मूल्यांकन वास्तव में बता सकेगा कि छात्रों ने सीखा है या नहीं?
सुरक्षा-उपाय युक्त 'संकेत-नहीं-उत्तर' वाली AI ने हानि समाप्त कर दी और लाभ बनाए रखा। ऐसी AI मदद डिज़ाइन करने में क्या लगेगा जो सीखने का समर्थन करे, लत न बने?

परिचय

AI का दुरुपयोग, AI के उपयोग से अलग है। उपयोग का अर्थ है AI को सीखने के पूरक के रूप में प्रयोग करना — प्रतिपुष्टि, विचार-मंथन, या संशोधन में मदद जो शिक्षार्थी के संज्ञानात्मक काम को प्रक्रिया में बनाए रखे। दुरुपयोग का अर्थ है प्रतिस्थापन: उन्हीं मानसिक प्रक्रियाओं (मसौदा तैयार करना, स्मरण, विश्लेषण, संशोधन) को AI पर सौंपना जो स्थायी समझ बनाती हैं। ज्ञानकोश के प्रमाण आधार में दर्ज हानि यह नहीं है कि दुरुपयोग मदद करने में विफल रहता है; यह है कि दुरुपयोग सक्रिय रूप से बाद की, बिना-सहायता की उपलब्धि को ख़राब करता है।

प्रदर्शन–सीखने की खाइ

मूल अवधारणा, जैसा Distinguishing performance gains from learning when using generative AI में व्यक्त की गई है, यह है कि जनरेटिव-AI आसानी से प्रदर्शन को बढ़ावा देता है — तत्काल दक्षता और उत्पाद की गुणवत्ता — जबकि प्रायः सीखने के लिए आवश्यक गहन संज्ञानात्मक और मेटाकॉग्निटिव प्रक्रिया को दरकिनार कर देता है। अतः प्रदर्शन के लिए अनुकूलित कोई भी उपकरण सीखने को कमजोर कर सकता है। यह खाइ अब क्षेत्र-स्तर पर कारणतः प्रदर्शित है: एक यादृच्छिक नियंत्रित परीक्षण ने पाया कि बिना सुरक्षा-उपाय वाली AI सहायता ने अभ्यास प्रदर्शन बढ़ाया लेकिन बाद के बिना-सहायता परीक्षा अंक कम किए।

हानि के तंत्र

संज्ञानात्मक समर्पण — शोधकर्ताओं का यह शब्द छात्रों के सोच को AI पर निष्क्रिय, अविमर्शशील निर्भरता के रूप में सौंपने के लिए है, जो संज्ञानात्मक ऑफलोडिंग के जानबूझकर और रणनीतिक रूप के विपरीत है। यह स्थायी ज्ञान में जनसंख्या-स्तर की मापने योग्य गिरावट उत्पन्न करती है।
उत्तर की नकल के रूप में तिकड़ा — दुरुपयोग को AI की त्रुटियों से कम प्रेरित होता है और अधिक छात्रों के उत्तर की नकल करने से, सीखने के बजाय। जब सहभागिता विश्लेषण दिखाता है कि छात्र मुख्य रूप से "उत्तर माँगते" हैं, तो सीखने की हानि होती है।
अभिप्रेरणा का क्षरण — AI के एक सहज शॉर्टकट की कथित उपलब्धता स्वायत्त अभिप्रेरणा और दृढ़ता को कम करती है, स्व-निर्धारण सिद्धांत के अनुसार। चूँकि दृढ़ता ही गहन सीखने का कारण बनती है, उसके क्षरण से सीधी हानि और बढ़ जाती है।
सीखने का विस्थापन — AI उत्पाद का उन प्रयासपूर्ण प्रक्रियाओं (विस्तार, स्मरण, स्व-व्याख्या) के स्थान पर आना जो ज्ञान को मज़बूत करती हैं, जो अति-निर्भरता के अनुरूप है।
इरादे के रूप में पढ़ी गई भ्रम। जब प्रशिक्षक किसी असाइनमेंट में AI की इच्छित भूमिका का नाम नहीं लेते, छात्र इसे उस सबसे आसान चीज़ से परिभाषित करते हैं, और संकाय परिणामी बेमेल को धोखे के रूप में पढ़ते हैं न कि एक सीमा के रूप में जो कभी बताई नहीं गई थी (Hanshaw et al., 2026)।

प्रमाण आधार

क्षेत्रीय कारक RCT (≈1,000 उच्च विद्यालय गणित के छात्र): बिना सुरक्षा-उपाय वाले ChatGPT-शैली के शिक्षक ने सहायता-प्राप्त अभ्यास प्रदर्शन +48% बढ़ाया लेकिन बिना-सहायता, बिना-पुस्तक परीक्षा के अंक −17% कम किए — जिन छात्रों को कभी AI पहुँच नहीं मिली, वे उनसे बेहतर प्रदर्शन करते रहे जिन्हें मिली थी। एक सुरक्षा-उपाय युक्त "संकेत-नहीं-उत्तर" वाले शिक्षक ने हानि समाप्त कर दी। उल्लेखनीय है कि हानिग्रस्त समूह के छात्रों ने महसूस नहीं किया कि उन्होंने कम सीखा।
जनसंख्या-स्तर के व्यवहारगत आँकड़े (3.2M ALEKS इंटरैक्शन): ChatGPT के विमोचन के बाद AI-प्रवण समस्याओं पर अध्ययन समय कॉलेज छात्रों के लिए संचयी रूप से −26.9% गिरा (उच्च विद्यालय −31.3%), और निरीक्षण-सहित याद-रखने वाले प्रश्नों पर सही उत्तर की संभावना −25% की गिरावट आई। प्रभाव निरीक्षण के तहत पूरी तरह गायब हो गया, जिससे यह प्लेटफ़ॉर्म के बाहर के AI उपयोग पर तय होता है।
एक बड़ा शून्य परिणाम: गर्मियों में ChatGPT उपयोग में आने वाली मौसमी गिरावट का उपयोग करके दिखाया गया कि उच्च विद्यालय के मानकीकृत परीक्षा औसत में कोई शुद्ध परिवर्तन नहीं — संभवतः क्योंकि सकल रूप से दुरुपयोग की हानि, उत्पादक AI उपयोग से संतुलित हो जाती है। यह स्थायी सीखने की कारक हानि का विरोध नहीं करता; यह सकल परीक्षा अंकों से अति-सामान्यीकरण के विरुद्ध सावधानी देता है।

निर्भरता — बर्नआउट का मार्ग

दुरुपयोग केवल उपलब्धि से अधिक हानि करता है। 276 चीनी स्नातक छात्रों के एक सर्वेक्षण ने (हुआंग एट अल., 2026) AI निर्भरता को सुरक्षात्मक शिक्षार्थी संसाधनों और सीखने के बर्नआउट के बीच मध्यस्थ के रूप में मॉडल किया, और पाया कि उसने पूरा प्रभाव वहन किया: शैक्षणिक स्व-प्रभावकारिता और, कमज़ोर रूप से, शिक्षक सहायता दोनों ने AI निर्भरता कम की, जिसने बदले में बर्नआउट की भविष्यवाणी की। दोनों अप्रत्यक्ष मार्ग महत्वपूर्ण और पूर्णतः मध्यस्थ थे — निर्भरता मॉडल में प्रवेश करते ही प्रत्यक्ष प्रभाव गैर-महत्वपूर्ण हो गए — और स्व-प्रभावकारिता का मार्ग दोनों में अधिक मज़बूत था। ऊपर बताई प्रदर्शन–सीखने की खाइ के साथ पढ़ें तो यह परिणाम दुरुपयोग की लागत को ख़राब स्थायी ज्ञान से शिक्षार्थी के थकावट और अलगाव तक बढ़ाता है, और तंत्र को AI उपयोग के भीतर नहीं बल्कि निर्भरता स्वयं में रखता है: दुरुपयोग के विरुद्ध सुरक्षा देने वाले संसाधन निर्भरता को रोककर काम करते प्रतीत होते हैं, बाद में उसके प्रभावों को कम करके नहीं। लेखक एक मापन संबंधी चेतावनी देते हैं — उनका AI निर्भरता पैमाना इंटरनेट लत परीक्षण से अनुकूलित है और AI के लिए इसकी सामग्री वैधता स्थापित नहीं है — अतः इस मार्ग को एक अच्छी तरह मॉडल किए गए परिकल्पना के रूप में देखना उचित है, एक तय प्रभाव आकार के रूप में नहीं।

मूल्यांकन-निर्भर हानि का स्वरूप

सबसे महत्वपूर्ण व्यावहारिक सूक्ष्मता यह है कि हानि मूल्यांकन के प्रकार के अनुसार चयनित है। यह स्थायी ज्ञान के निरीक्षण-सहित, बंद-पुस्तक और बिना-सहायता उपायों पर दिखती है। सामान्य ग्रेडेड पाठ्यक्रम-कार्य पर, जो AI-सहायता प्राप्त और स्वतंत्र काम में अंतर नहीं कर सकता, दुरुपयोग तत्काल ग्रेडों को फुला सकता है। यही कारण है कि अनुभूति-बनाम-वास्तविक खाइ ख़तरनाक है: छात्र (और कभी-कभी शिक्षक) अल्पकालिक प्रदर्शन लाभ देखते हैं और सीखने के क्षरण को चूकते हैं, जो केवल उपकरण हटाए जाने पर सामने आता है।

कौन-सी निर्भरता, न कि उसकी मात्रा। 12 AI-गहन पाठ्यक्रमों में 118 छात्रों के एक सर्वेक्षण ने (मानिकोंडा एट अल., 2026) दो व्यवहारों को अलग किया, जिन्हें उपयोग-आवृत्ति के उपाय समाप्त कर देते हैं। संज्ञानात्मक निर्भरता — GenAI का उपयोग व्यवस्थित करने, मूल्यांकन करने, संयोजित करने और विघटित करने के लिए — अनुभूत सकारात्मक प्रभाव का सबसे मज़बूत भविष्यवक्ता थी (β = .495, p < .001), और जिस ऑफ़लोडिंग का यह वर्णन करती है वह एकसमान रूप से हानिकारक नहीं है: विचारों को व्यवस्थित करना और सारांश बनाना तथा नई अंतर्दृष्टि खोजना उन सुविधाओं में गिने जाते हैं जो बेहतर अनुभूत सीखने से जुड़ी हैं। प्रारंभिक निर्भरता — स्वतंत्र सोच, पारंपरिक खोज, या किसी शिक्षक से पहले GenAI से परामर्श लेना — शैक्षणिक लाभ (β = .301, p < .001) और नकारात्मक प्रभाव (β = .402, p = .004) दोनों की एक साथ भविष्यवाणी करती थी। संचयन वह हिस्सा है जो ऊपर की साक्षरता उपचार से जुड़ता है: प्रारंभिक निर्भरता और नकारात्मक प्रभाव के बीच संबंध कम मूल्यांकन साक्षरता पर अनुपस्थित था (b = .025, p = .861) और उन छात्रों में सबसे मज़बूत जो AI उत्पाद का सर्वोत्तम निर्णय करते हैं (b = .688, p < .001), अतः मूल्यांकन कौशल ने AI से पहले पूछने की लागत से बचाव नहीं किया — लागत को देखने की सबसे अच्छी स्थिति वाले छात्र ही उसकी रिपोर्ट कर रहे थे। व्यावहारिक निहितार्थ यह है कि दुरुपयोग आंशिक रूप से शिक्षार्थी के अपने प्रयास के सापेक्ष समय का प्रश्न है, केवल मात्रा का नहीं, और इसीलिए यह हस्तक्षेप जो AI से परामर्श के कब को लक्षित करते हैं, नीचे के मूल्यांकन-डिज़ाइन उपचारों के साथ-साथ आते हैं।

निहितार्थ और उपचार

गार्डरेल कच्ची पहुँच के बजाय: संकेत-नहीं-उत्तर प्रॉम्प्टिंग और शिक्षक-रचित मड्गद तिकड़ा प्रभाव को निष्क्रिय करते हैं (देखें Generative AI without guardrails can harm learning: Evidence from high school mathematics)।
मूल्यांकन डिज़ाइन: दुरुपयोग को सामने लाने — और उसे हतोत्साहित करने — के लिए AI-प्रतिरोधी और निरीक्षण-सहित/बिना-सहायता मूल्यांकन आवश्यक हैं।
साक्षरता और मेटाकॉग्निशन: AI साक्षरता और स्व-नियंत्रित अधिगम प्रशिक्षण जो छात्रों को निर्भरता के पैटर्न और अपने संज्ञानात्मक काम को दरकिनार करने की लागत पहचानने में मदद करे।

LLM युग में संवादी अलगाव

गेमिंग-द-सिस्टम साहित्य (संकेत का दुरुपयोग, व्यवस्थित अनुमान लगाना) का एक संवाद-युगी समकक्ष है: संवादी अलगाव — एजेंट का मज़ाक बनाना, जानबूझकर गलत उत्तर देना, उसे छोड़ देना, उसके पाठ को दोहराना, या उत्तर देने से कतराना। रो एट अल. (2026) ने छात्र-AI संवाद में इस घटना को उसका पहला व्यवस्थित उपचार दिया, और इसकी केंद्रीय शिक्षा व्याख्यात्मक है, आतंकवादी नहीं। एक असंलग्न मोड़ एक अंतःक्रियात्मक कदम है, अलगाव की स्थिर स्थिति नहीं। झूठे उत्तर देने का स्पष्ट संबंध पोस्ट-टेस्ट अंकों के साथ मानव-टिप्पणी संवेदनशीलता जाँच में टिक नहीं सका, और लेखकों ने इन्हें उन प्रक्षेपवक्रों भीतर खोजने के रूप में पढ़ा जो प्रायः संलग्नता पर लौटते हैं (सर्वोच्च प्रदर्शन करने वाला समूह p = 0.42 पर पुनः प्राप्त हुआ)। व्यवहार जिसने प्रक्षेपवक्रों को वास्तव में अलग किया वह था उत्तर देने से कतराना — प्रतिक्रिया न देने का इनकार, जो समाप्त होने के बजाय बना रहा। डिज़ाइनरों के लिए यह सामान्य प्राथमिकता को उलट देता है: शोरगुल वाला, दृश्यमान अलगाव प्रायः स्वतः सुधरने वाला होता है, जबकि शांत निष्कासन संकेत देता है कि अंतःक्रिया टूट चुकी है।

मेटाडेटा

अधिगम और शिक्षण	मेटाकॉग्निशन, प्रेरणा, स्व-नियंत्रित अधिगम
प्रौद्योगिकियाँ और तकनीकें	जनरेटिव-AI
मूल्यांकन और मापन	मूल्यांकन
शिक्षा में AI की नींव	शैक्षणिक इमानदारी, संज्ञानात्मक ऑफलोडिंग

Source History Edit Chat